ОПРЕДЕЛЕНИЕ ХАРАКТЕРА ИНТЕРНЕТ-РЕСУРСОВ И ТИПОВ ПОЛЬЗОВАТЕЛЕЙ ПО TCP-ТРАФИКУ

Проблема анализа Интернет-трафика (веб-трафика) интересует исследователей по разным причинам, - в большей степени практической направленности. С одной стороны результатом такого исследования могут стать соответствующие оценки и прогнозы[2,8], которые позволят обосновать необходимость изменения (улучшения) характеристик используемых в организациях информационно-коммуникационных систем. С другой - такие результаты позволят определить формальные характеристики, на основании которых будет строиться политика ограничения и разграничения доступа к информационным ресурсам. На сегодняшний день, моделирование является основным средством при решении задач планирования и проектирования информационных сетей. Естественно, построение большинства современных моделей базируется на результатах анализа статистических данных, собранных в реально существующих сетях. Не исключено, что подобные работы могут вестись в рамках более глобальных и даже фундаментальных исследований.

Одной из исследуемых проблем является определение по трафику характеристик запрашиваемого ресурса и характеристик, определяющих пользователя. Подобная типизация или классификация весьма полезна в корпоративных сетях, где доступ к информационным ресурсам ограничен и требует контроля.

Возможные подходы к решению таких вопросов сейчас нередко освещаются в научных публикациях [4,5,7]. Однако в основном для проведения подобных исследований, для достижения поставленных целей, в каждом отдельном случае используются либо достаточно тривиальные способы, либо сильно обобщенный подход. Например, тип ресурса можно определить по расширению запрашиваемого объекта из http-лога, где он хранится в открытом виде. Другой пример, когда проводится анализ сетевого трафика в очень обобщенном виде - для целой группы пользователей. В ходе подобного анализа не учитывается, что группа состоит из людей, преследующих различные цели (например, в рамках выполнения своих должностных обязанностей), а соответственно использующих с разной интенсивностью почтовые сервисы, специфические в рамках каждой должности информационные ресурсы, что в свою очередь порождает различный сетевой трафик. Делать выводы о поведении типового пользователя исследуемой группы в таких условиях зачастую бессмысленно, и равносильно такому статистическому показателю, как средняя температура пациентов по больнице.

В данной работе рассматривается практический аспект анализа трафика на основе заголовков tcp-пакетов. Основная цель исследований – типизация запрашиваемых ресурсов и пользователей по низкоуровневым данным трафика. Особенность такого подхода заключается в том, что выбранный уровень сетевого взаимодействия не содержит детальной информации о типе ресурса и пользователе, и отражает искомые характеристики лишь косвенно. Однако видимую на первый взгляд искусственность выбранного подхода можно оправдать преимуществом доступности tcp-характеристик трафика. Это именно тот уровень взаимодействия, который без дополнительных преобразований (декодирования) доступен как программным, так и аппаратным маршрутизаторам и не требует средств промежуточного хранения.

Суть исследований заключается в том, чтобы на основании данных о веб-трафике (из заголовков tcp-пакетов) определить тип используемого веб-ресурса, а, исходя из определенной комбинации таких типов, определить тип пользователя. В свою очередь создание методики классификации пользователей на основе характеристик tcp-трафика представляется полезным для оценки зависимости нагрузки на сеть от количества и категориальной принадлежности пользователей данной сети, а так же для симуляции работы сети при различных условиях (прогнозирование).

Известно, что веб-ресурсы по различным критериям могут быть отнесены к определенному типу [6,7]. Например, можно рассмотреть такую классификацию веб сайтов: новостные, поисковые, галереи картинок, веб-порталы и каталоги, и т.п. С одной стороны этот список можно продолжать и дальше, пополняя его все новыми и новыми типами. С другой стороны, - современные ресурсы Сети становятся более универсальными, и там где раньше был всего лишь поисковый сайт, - теперь целый портал с почтовым сервером, каталогом и новостными разделами.

Подобного рода классификацию также можно ввести относительно пользователей. Каждый сеанс связи характеризует пользователя как: «читателя новостей», «поисковика», «скачивателя файлов», «просматривальщика картинок» и т.д. Несмотря на универсализацию веб-ресурсов в целом, остаются неизменными типы данных, к которым обращается пользователь. К таким типам можно отнести: текст, картинки, архивы и другого вида электронные документы. Различные сочетания и последовательность обращений пользователя к этим «базовым» видам документов позволят классифицировать используемый веб-ресурс, а также текущий сеанс пользователя. Задача идентификации типа ресурса и пользователя по характеристикам трафика может решаться на разных уровнях сетевого взаимодействия. От выбранного уровня зависит множество доступных данных, которые ложатся в основу классификации и типизации. Информацию, которую предоставляет протокол транспортного уровня (TCP) можно разделить на два вида: статическую и динамическую.